O IAB está se movimentando para resolver um dos problemas mais espinhosos do mercado publicitário digital hoje: como medir, atribuir e dar crédito a anúncios que estão sendo entregues não para pessoas, mas para agentes de inteligência artificial.
Parece algo saído de um episódio de ficção científica, mas já é realidade. Anúncios estão começando a ser servidos para bots em vez de humanos, e ninguém concorda sobre quanto isso vale ou quem deveria receber o crédito por essa exposição. A Interactive Advertising Bureau quer justamente organizar essa bagunça antes que ela fique impossível de resolver.
Pensa bem: se um agente de IA lê uma página de produto, compara com concorrentes e finaliza uma compra no lugar do usuário, quem recebe o crédito por aquela conversão? O publisher que criou o conteúdo que moldou a resposta da IA? A plataforma que rodou o agente? Ou simplesmente ninguém, porque a trilha de evidências ainda não existe?
É exatamente essa lacuna que o IAB quer atacar com um framework de medição e atribuição previsto para ser publicado em 12 de novembro de 2026. Os sinais tradicionais que o mercado sempre usou para rastrear conversões, como parâmetros UTM e dados de referência, simplesmente não sobrevivem à jornada do usuário dentro das plataformas de IA. E sem sinais confiáveis, não tem como saber se um anúncio realmente contribuiu para uma venda. O buraco é mais embaixo do que parece. 👇
O que Significa Anunciar para um Agente?
Segundo Caroline Giegerich, vice-presidente de IA no IAB, o objetivo é criar um framework compartilhado para medir e creditar o papel da inteligência artificial nas conversões, principalmente quando os sinais tradicionais são reduzidos ao mínimo. A organização está explorando novos mecanismos de medição e sinais para quantificar a influência da IA nas decisões de compra.
Mas as opiniões dentro do setor estão longe de convergir. Como a própria Giegerich resumiu, um lado pode enxergar isso como um teste interessante, enquanto o outro lado enxerga como pura enganação. Ela está redigindo o framework agora, com base em conversas com um grupo de trabalho formado por empresas de tecnologia, publishers, agências, fornecedores de medição e marcas. Giegerich preferiu não revelar quais companhias fazem parte desse grupo.
- E-BOOK GRATUITO
Um guia prático para avaliar, comparar e implementar inteligência artificial com clareza — sem desperdício de tempo ou dinheiro.
Pare de contratar ferramentas sem direção. Criamos um método estruturado para decidir qual IA realmente faz sentido para o seu negócio.
Entrega em PDF no seu e-mail · Sem spam · LGPD
🔒 Seus dados são protegidos conforme a LGPD. Você pode descadastrar a qualquer momento.
Por baixo de tudo, existe um desejo de descobrir o que vem a seguir em um mercado que está sendo virado de cabeça para baixo neste exato momento. Nas palavras dela, o IAB está tentando acompanhar ao máximo a enxurrada de atividades em torno do conceito de agentes que ignoram o tráfego humano tradicional. É uma corrida contra o tempo, e ninguém quer ficar para trás.
O Problema que Ninguém Estava Esperando Resolver Tão Cedo
Durante anos, o ecossistema de publicidade digital foi construído sobre uma premissa simples: existe um humano do outro lado da tela. Esse humano clica, navega, pesquisa, adiciona ao carrinho e finaliza compras. Cada etapa dessa jornada deixa rastros digitais rastreáveis, como cookies, identificadores de sessão, parâmetros de campanha e dados de referência HTTP. Toda a infraestrutura de medição de anúncios foi erguida em cima dessa premissa. O problema é que essa premissa está começando a ruir, e o mercado ainda não percebeu a extensão do estrago que isso pode causar.
Os agentes de inteligência artificial não navegam como humanos. Eles não têm cookies persistentes, não passam por páginas de destino da forma convencional, não clicam em banners e não geram sessões rastreáveis da maneira que as ferramentas de analytics conhecem. Quando um agente de IA pesquisa, compara preços, lê avaliações e finaliza uma transação, ele faz isso em um ambiente completamente diferente do que o mercado publicitário foi desenhado para observar. Os sinais que existem nesse processo são fragmentados, opacos e, na maioria das vezes, invisíveis para as plataformas de atribuição que as marcas e agências dependem hoje.
Essa mudança de comportamento não é futura, ela já está acontecendo. À medida que esses agentes ficam mais sofisticados, a tendência é que cada vez mais etapas da jornada de compra sejam delegadas a eles. O mercado publicitário precisa de uma resposta rápida, e é aí que o IAB entra em cena com uma proposta estruturada.
O que o Framework do IAB Pretende Fazer na Prática
O maior desafio que o framework vai enfrentar é conectar a visibilidade da IA com a medição da atribuição de anúncios servidos a agentes inteligentes, além de entender como a IA está influenciando o marketing como um todo. A ideia, segundo Giegerich, é separar o impacto da IA em duas categorias distintas: quando a IA serve algo para um usuário, funcionando como uma camada de consciência ou intenção, e quando a IA ajuda esse usuário a tomar uma decisão de fato.
Vale lembrar que esse não é o primeiro movimento do IAB nessa direção. A organização já lançou frameworks voltados para a medição de visibilidade na era da IA e para a divulgação do uso de inteligência artificial na produção de conteúdo. O novo documento vem como um passo adiante, mirando especificamente a questão da atribuição.
A proposta central é estabelecer padrões técnicos e conceituais que permitam identificar quando um agente de IA foi exposto a conteúdo publicitário, como esse conteúdo influenciou a decisão tomada pelo agente e de que forma esse crédito deve ser distribuído entre os participantes da cadeia. Para isso, o framework precisa ir além dos modelos tradicionais de atribuição, como last click ou multi-touch, porque esses modelos pressupõem uma jornada humana com touchpoints claramente rastreáveis. No ambiente dos agentes de IA, a lógica é diferente: o agente pode ter sido influenciado por um conteúdo que ele processou internamente, sem deixar nenhum sinal externo visível.
O Grande Impasse: Quem Fornece as Evidências?
O maior obstáculo até agora tem sido justamente como atribuir crédito e quais evidências são necessárias para isso, especialmente considerando que as plataformas de IA e as empresas de tecnologia não são exatamente conhecidas por compartilhar esse tipo de informação. Como Giegerich colocou, parte dessa evidência simplesmente não existe. E se ela não existe, mas há uma parte que poderia potencialmente fornecê-la, então essa é uma boa discussão aberta para se ter.
Essa dinâmica pode ajudar a criar uma base melhor no relacionamento entre publishers e plataformas de tecnologia. É o que acredita Jaime Schultheis, head de parcerias globais de dados na Bombora, onde ela lidera uma rede de publishers B2B, sites de marcas e provedores de dados. Segundo ela, muitos grandes parceiros de tecnologia construíram audiências enormes em cima do conteúdo dos publishers, com pouquíssima reciprocidade. Para Schultheis, essa é uma oportunidade tremenda de tornar a relação verdadeiramente recíproca.
Mas não vai ser nada fácil. Quando questionada sobre qual foi a coisa mais difícil de fazer todas as partes do grupo de trabalho concordarem, Giegerich respondeu com uma única palavra: tudo. Os publishers, em especial, argumentam que o conteúdo deles alimentou a resposta que o sistema de IA está servindo ao usuário, e não querem ficar de fora da conversa sobre atribuição de jeito nenhum.
As Plataformas de IA Ainda São Caixas-Pretas
Um framework de medição de publicidade em IA precisaria responder algumas perguntas fundamentais e, sinceramente, bem difíceis: o que está sendo medido, quem faz a medição, como ela é feita e em qual camada isso acontece. É o que aponta Michael Bishop, cofundador da plataforma de publicidade nativa em IA OpenAds.
Bishop faz um alerta importante: mesmo que o IAB consiga montar um padrão de mercado que responda a algumas dessas questões, as plataformas de IA podem continuar sendo caixas-pretas. Se empresas de tecnologia como a OpenAI controlarem os sinais que mostram como a IA influenciou os resultados de marketing, as firmas de medição externas podem acabar dependendo de integrações ou dados fornecidos pelas próprias plataformas, algo muito parecido com o que aconteceu no passado.
Receba o melhor conteúdo de inovação em seu e-mail
Todas as notícias, dicas, tendências e recursos que você procura entregues na sua caixa de entrada.
Ao assinar a newsletter, você concorda em receber comunicações da Método Viral. A gente se compromete a sempre proteger e respeitar sua privacidade.
Ele traça um paralelo direto com o Facebook, que construiu e controlou as integrações com fornecedores para oferecer dados de medição sem nunca dar visibilidade total dos seus próprios sistemas. Como Bishop explicou, os fornecedores de medição no Facebook não rodavam suas próprias tags JavaScript. O Facebook codificava a integração para medir a própria lição de casa, e os fornecedores basicamente testavam manualmente para carimbar aquela integração. A caixa-preta era mantida, e os fornecedores atuavam efetivamente como uma camada de auditoria terceirizada de confiança. Na avaliação dele, esse tipo de arranjo não pega bem para ninguém.
Por que Essa Discussão Importa Agora
Para anunciantes, publishers e profissionais de marketing digital, o impacto prático desse framework pode ser enorme. Hoje, quando uma campanha não performa como esperado, existe pelo menos uma cadeia de dados imperfeita, mas rastreável, que permite diagnosticar o problema. No cenário dos agentes de inteligência artificial, essa cadeia desaparece quase completamente. Um produto pode estar sendo recomendado ou ignorado por agentes de IA com base em critérios que a marca sequer conhece, e não existe nenhum relatório de analytics que mostre isso acontecendo.
Com um framework estabelecido pelo IAB, a expectativa é que as plataformas comecem a criar pontos de integração que permitam algum nível de rastreamento dentro dos ambientes de agentes. Isso pode incluir identificadores de sessão específicos para agentes, metadados que sinalizem quando um conteúdo foi processado por IA em nome de um usuário humano, e protocolos de log que registrem quais fontes de conteúdo influenciaram uma decisão. Nada disso existe de forma padronizada hoje, mas são exatamente os elementos que um framework de atribuição sólido precisaria contemplar para ser útil na prática. 🎯
Para os publishers, a questão é especialmente urgente. Se um agente de IA usa o conteúdo editorial de um site para embasar uma recomendação de produto que resulta em venda, quem recebe algum tipo de compensação por isso? Hoje, a resposta honesta é que ninguém garante nada. O framework do IAB pode estabelecer os primeiros precedentes sobre como o valor gerado pelo conteúdo dentro de ambientes de inteligência artificial deve ser reconhecido e distribuído.
O framework previsto para novembro de 2026 representa a primeira tentativa séria e estruturada do mercado de criar regras claras para medir e atribuir o valor de anúncios em um ecossistema onde agentes de inteligência artificial são participantes ativos da jornada de compra. Não vai resolver tudo de uma vez, mas coloca o setor no caminho certo.
